作为公司范围内的休整与充电计划的一部分,Schrödinger 全球所有办事处将于8月17日至21日当周暂停办公。在此期间,我们的响应将有所限制,敬请谅解。Scientific和技术支持 团队成员仅会处理紧急支持问题。

筛选 虚拟活动 _主图

与集成式 物理团队共同举办的虚拟筛选 活动及机器学习(ML)

掌握新一代虚拟筛选 的核心技能,整合物理学和机器学习(ML) ,实现更智能的苗头化合物 识别

详情
可用语言
中文、英语、日语、韩语
时长
从选定的开始日期起5周
级别
中级
成本
非学生用户需支付 715 美元
学生/博士后 270美元
谁适合参加这门课程?
药物化学家、化学信息学家、机器学习科学家、新一代计算化学家

概述

随着对计算高效方法的需求日益增长,用于探索化学空间 、机器学习(ML) 的虚拟筛选 已成为现代药物发现中的一项关键工具。这些技术使化学家能够快速识别并筛选出具有高潜力的先导化合物和化学类型,以便进行实验验证和后续开发。

Schrödinger该在线课程《虚拟筛选 》(网址:集成式 physics 和机器学习(ML) )提供了专家指导及最佳实践,帮助您从头到尾执行这些工作流程。

本课程非常适合希望提升实践技能并加深对配体法和结构法两种方法理解的科学家,同时还将颁发证书和数字徽章,以展示您在此前沿领域的专业能力。

  • 借助《靶点 》——通过Schrödinger公司业界领先的Maestro 及命令行界面,进行丰富多样的实践练习,从而加速您的研究进程。
  • 执行完整的下一代药物发现工作流程,涵盖从初期准备到大规模数据分析以及基于数据的决策制定。
  • 利用主动学习(Active Learning)扩展虚拟筛选 工作流Glide 。
  • 使用Glide WS对化合物进行评分,并分析来自自由能微扰 (FEP+ )计算所得的亲和力 结合数据。
  • 通过一个全面的、基于实际案例的研究,将所学知识付诸实践,展示您应对筛选 高级虚拟挑战的准备就绪程度。
  • 您可以获得Schrödinger 教育团队专家针对课程作业及相关疑问提供的个性化评审和反馈。

 

本课程提供对基于网页的Schrödinger 软件的临时访问权限,其中包含许可证和计算资源。

要求
认证
  • 由Schrödinger 课程(先导化合物 )签发的证书,可用于添加到您的简历中
  • 一枚可以发布到社交媒体(例如领英)上的徽章
背景图案

您将学到什么

执行和验证虚拟屏幕

通过试点虚拟屏幕获得实践经验,包括配体和受体网格的准备,并学习用于验证分子对接 模拟结果的关键方法

苗头化合物 评估与优先级排序

学习如何在筛选 之后有效评估和排序搜索结果,包括检查、聚类和评分

利用高级方法扩展工作流

探讨如何将机器学习(ML) 和自由能微扰 (FEP+ )的方法集成式 ,以扩展虚拟筛选 工作流

在药物研发中的实际应用

通过一项全面的案例研究应用您的知识,追踪虚拟筛选从初始设置到潜在候选药物评估的全流程

模块

第1模块
2小时

课程概述与现代虚拟筛选 方法

视频
视频
  • 课程概述
  • 认识讲师们
检查点
课程大纲与荣誉守则

对学术诚信的期望

视频教程
视频
  • 计算机模拟技术在Schrödinger
  • 苗头化合物 发现简介
结束检查点
模块结束检查点
第2模块
5 小时 + 计算时间

实施虚拟屏幕试点项目并验证Glide 分子对接 的结果

视频
视频
  • 筛选 基础知识(虚拟版)
  • 靶点 赋能
  • 模型验证
  • 化学空间
教程
教程:
  • 使用……制备同源配体LigPrep
  • 受体网格生成
  • GPUShape 屏幕
  • 分子对接 模型优化
结束检查点
模块结束检查点
第3模块
5 小时 + 计算时间

筛选 苗头化合物 发布后的评估与优先级排序

视频
视频
  • 聚类与评分方法
  • 化学多样性与化合物库设计
  • 主动学习Glide
  • Glide WS
教程
教程
  • DISE样选择
  • SBVS和LBVS匹配结果的重新评分与排名比较
  • 评估ALGlide 的结果:苗头化合物 分析器
  • 在Glide WS上测试最终配方
结束检查点
模块结束检查点
第4模块
4小时

使用机器学习(ML) 扩展工作流以及FEP+

视频
视频
  • 进一步评估和优化候选化合物的方法
  • FEP+ 方法
  • 主动学习 ABFEP+
  • 机器学习(ML) 房地产预测
教程
教程
  • 评估 AL-ABFEP+ 的结果
  • 使用机器学习预测的属性
结束检查点
模块结束检查点
第5模块
4 小时 + 计算时间

最终案例研究

视频
视频
  • 案例研究概述
  • 案例研究结果与课程总结
教程
教程

虚拟屏幕分析

作业
作业

所选匹配结果的绝对结合FEP+ 评估

课程结业
课程结业与证书

需要帮助申请“Schrödinger ”在线课程的资金吗?

我们自豪地支持新一代科学家,并致力于为资源有限的人士提供机会。无论您是学生、博士后还是行业科学家,都可以了解我们在线认证课程的资助方案,并立即报名!

校友心声

“虚拟工作站的体验太棒了!作为一名具有药物化学背景的博士生,我在本课程中掌握的知识和技能将有助于我实现职业目标。”
苏迈娅·纳希德,内布拉斯加大学医学中心(UNMC)研究生研究助理
“这门课程设计精良,将深入的理论知识与现实世界中的药物研发实践相结合。通过实践练习,我得以将所学知识切实地应用到实际工作中。”
阿曼迪普·辛格,宾夕法尼亚州立大学博士后
“这门认证课程极大地拓展了我对高通量虚拟筛选 的了解,对于任何有志于将其应用于实际项目的人来说,这都是一门必修课程。”
王伟,伊坎医学院助理教授
“这门课程让我对筛选 和分子对接 的虚拟工作流程有了实用的了解,使我能够更加自信地运用这些技术。”
弗洛巴特·加瓦尔吉,内布拉斯加大学医学中心博士
“这门课程让我全面了解了虚拟筛选 的方法论,这有助于优化我的药物发现流程。它对我的研究项目的进展和成功产生了直接影响。”
阿卜杜勒巴希特·哈利鲁·雅库布,南安普顿大学博士生
“这门课程内容通俗易懂、趣味盎然,其中的背景知识让人深入了解每种技术在现代药物研发中具有何种价值。现在,我感觉自己已经成了Maestro 的熟练用户,能够充满信心地将职业发展方向转向分子建模 。”
约瑟夫·伊根,医学研究与创新中心实习生

通过课程徽章和证书,展示你新掌握的技能

当您在分子建模 完成我们的课程,并准备好将所学知识分享给同事和雇主时,您可以在您的LinkedIn个人资料中展示您的证书和徽章。

常见问题

包含集成式 物理引擎和机器学习(ML) 的《筛选 》虚拟版在线课程多少钱?

课程费用因课程不同及学员类型而异。对于希望参加本课程的学生,我们提供240美元的学生价;非学生则为645美元。

讲座是什么时候?

课程开始后,所有授课均为异步进行,您可以根据自己的时间安排,随时观看自主学习的视频、教程并完成作业。报名课程时,您需要选择开始和结束日期。在该时间段内,您可以异步访问课程资料和虚拟工作站,并根据自己的时间安排灵活进行学习。

我该如何支付这门课程的费用?

有兴趣的参与者可通过完成注册并使用信用卡支付通道进行即时报名来支付课程费用。请注意,您必须使用信用卡支付,因为我们不接受借记卡。此外,我们可根据要求提供采购订单,如需此选项,请发送电子邮件至 online-learning@schrodinger.com。如果您对课程付款方式有任何疑问,请访问我们的“付款方式”页面。

是否有面向学生的奖学金机会?

Schrödinger 致力于支持资源有限的学生。Schrödinger的使命是通过革新药物和材料的研发方式,改善人类健康和生活质量。Schrödinger 自豪地支持新一代科学家。我们设立了一项奖学金计划,面向能够证明有经济困难并获得学术导师支持声明的全日制学生或博士后。如果您符合我们的奖学金申请条件,请填写申请表!

课程结束后,学习资料还能继续使用吗?

虽然课程结束时将无法再访问该软件,但课程中的部分资料(幻灯片、论文和教程)可供下载,以便您在课程结束后随时查阅。其他资料,例如视频、测验以及软件访问权限,仅在课程期间内可用。

我需要使用该软件才能参加这门课程吗?我需要另外购买该软件吗?

在课程期间,您将能够访问Maestro 的网络版、Bioluminate、Materials ScienceMaestro 和/或LiveDesign (具体取决于课程)。 您无需另行购买任何软件的使用权限。虽然课程结束时软件访问权限将终止,但课程中的部分资料(如幻灯片、论文和教程)可供下载,以便您在课程结束后查阅。其他资料,如视频、测验以及软件访问权限,仅在课程期间内可用。请注意,Schrödinger 软件仅限用于与课程相关的目的。

建议与这门在线课程一起选修哪些课程?

建议在参加包含集成式 物理学和机器学习(ML) 的虚拟筛选 课程之前、期间或之后,先修读 “靶点 ”的启用、准备与验证以及 “设计高质量配体库”在线课程 。这些课程内容密切相关,面向的受众群体也相似。您会发现部分基础理论视频内容存在重叠,因为这些视频均包含与虚拟筛选 流程各个方面相关的关键概念。不过,每门课程都有其独特的侧重点,能够针对课程主题提供具体的指导。

相关课程

设计高质量配体库_特色图片 生命科学 生命科学
设计高质量的配体库

探索化学空间 ,对配体库进行筛选和优化,验证分子对接 模型,以及用于苗头化合物 发现的枚举方法

靶点 能力培养课程图片_Edu_R1-2网站_特色图片 生命科学 生命科学
靶点 启用、准备与验证

利用X射线晶体学、冷冻电镜、机器学习方法以及同源建模 技术获取蛋白质结构,以支持基于结构的计算工作流

利用……进行药物设计的自由能计算FEP+ 生命科学 生命科学
利用……进行药物设计的自由能计算FEP+

针对小分子,运行、分析和排查与结合相关FEP+ 计算中的问题先导化合物 优化